Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Moderní přístup k měření citlivosti mikrobiálních kultur na antibiotika s využitím strojového učení
Abstract
dc:description.abstractBakalářská práce se zaměřuje na problematiku měření citlivosti mikrobiálních kultur na antibiotika (AST), konkrétně na vylepšení a automatizaci vyhodnocení diskové difúzní metody pomocí strojového učení a architektur pro detekci objektů v obraze. Díky využití vývojové platformy TensorFlow a rozsáhlé datové sady, na níž byly vytrénovány vlastní detekční modely, jako je EfficientDet, je umožněno zpracování široké škály vstupních dat. To přináší možnost využití mobilních zařízení vedle tradičních laboratorních přístrojů při vyhodnocování této metody. Pomocí dalších technik zpracování obrazu a knihovny OpenCV byl vyvinut vlastní algoritmus na měření velikosti inhibičních zón, který je společně s detekčními modely integrován v rámci modulu do webové aplikace společnosti Bruker Daltonics GmbH & Co. Tento modul, vyvíjený pomocí platformy ASP.NET, je přehledným a užitečným nástrojem pro asistenci pracovníkům v mikrobiologických laboratořích.
Degree
thesis:*- Level thesis:degree_level
- Bakalářský
- Discipline thesis:degree_discipline
- bez specializace
- Grantor dc:publisher
- Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Author and committee
dc:creator, dc:contributor.*- Author dc:creator
-
- Lepík, Jakub
- Advisor dc:contributor.advisor
-
- Čičatka, Michal
- Committee members dc:contributor.committeemember
-
- Burget, Radim
- prof. Ing. Zdeněk Smékal, CSc. (předseda) prof. Ing. Radim Burget, Ph.D. (místopředseda) Ing. Pavel Hanák, Ph.D. (člen) Ing. Jiří Přinosil, Ph.D. (člen) Ing. Lukáš Jablončík (člen) Ing. Markéta Řepková (člen) Ing. Ondřej Šmirg, Ph.D. (člen)
Subjects
dc:subject × 19- AST
- ASP.NET
- C++
- C\#
- disková difúzní metoda
- Jupyter
- konvoluční neuronová síť
- OpenCV
- Python
- strojové učení
- TensorFlow
- testování citlivosti na antibiotika
- umělá inteligence
- antibiotic susceptibility testing
- artificial intelligence
- convolutional neural network
- disk diffusion method
- EfficientDet
- machine learning
Rights
dc:rights- Statement dc:rights
-
- Standardní licenční smlouva - přístup k plnému textu bez omezení
- Language dc:language.iso
- cs, čeština (Czech)
Identifiers
dc:identifier.*- Dc Identifier Citation
- LEPÍK, J. Moderní přístup k měření citlivosti mikrobiálních kultur na antibiotika s využitím strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.
- Dc Identifier Other
- 159113